Die Ausgangslage
Die Erstellung von Spermiogrammen ist zeitaufwendig und lohnt sich für viele urologische Praxen kaum noch. Je nach Erfahrung des Fachpersonals kann die Qualität der Spermiogramme variieren. Für diese Problematik entwickelte tensorscope den Seminal Analyzer.
Die Software analysiert Mikroskopbilder und war für Windows-Geräte konzipiert. Verbunden mit einer Okularkamera wird ein normales Lichtmikroskop zu einem digitalen Arbeitsplatz für die Ansicht und Auswertung von Mikroskopbildern sowie die Bestimmung mikroskopischer Kennzahlen des männlichen Ejakulats.
Was war bei der Entwicklung besonders wichtig?
Bei der Entwicklung versetzte sich das Team zunächst in die Labormitarbeitenden im Bereich männliche Fortpflanzung, um ihre tatsächlichen Anforderungen zu verstehen.
Es gab bereits Produkte zur automatischen Erstellung von Spermiogrammen. Häufig musste dafür jedoch ein kostspieliges Gerät erworben werden; zusätzlich entstanden laufende Kosten für spezielles Verbrauchsmaterial. tensorscope wollte einen anderen Weg gehen.
Der Service sollte unabhängig von der bestehenden Ausstattung unkompliziert und ohne große Investitionen nutzbar sein. Labore sollten Mikroskope, mit denen sie bereits seit Jahren arbeiten, weiterverwenden können. Davon sollten besonders Praxen profitieren, in denen nur vergleichsweise wenige Spermiogramme durchgeführt werden.
Weitere Kernziele waren eine intuitive Handhabung und ein Softwareablauf, der die bekannten Prozesse im Labor abbildet. Die Anwendung sollte selbsterklärend sein und ohne aufwendige Trainings auskommen. Anwenderfeedback floss regelmäßig in die Gestaltung der Abläufe ein.
Wie war der Service aufgebaut?
Die dokumentierte Software sollte in Verbindung mit der benötigten Hardware ein Lichtmikroskop für die digitale Mikroskopie ergänzen. Vor der produktiven Analyse musste das System lernen, die Eigenschaften des individuellen Mikroskops korrekt zu interpretieren.
Dafür wurden Bild- und Videobeispiele bereitgestellt. Machine-Learning-Techniker bereiteten die Trainingsdaten manuell auf, indem sie relevante Strukturen markierten und klassifizierten. Diese Phase bezeichnete tensorscope als Lernphase.
Erst wenn die Ergebnisse den Qualitätsanforderungen entsprachen, sollte die Analysefunktion freigeschaltet werden. Ergänzend war ein Qualitätsmanagement-Report vorgesehen. Danach bestimmte die Anwendung auf Knopfdruck Konzentration und Motilität aus Bildern und Videos der Probe; die Ergebnisse wurden in der lokalen Anwendung dargestellt.
Die ursprüngliche Leistungsbeschreibung sah eine transparente Abrechnung pro bereitgestelltem Datenset vor.
Welche Vorteile hatte die Nutzung?
Im Zentrum standen Präzision, Vergleichbarkeit, Nachvollziehbarkeit und Zeitersparnis. Bilderkennung arbeitet konsistent und wird nicht müde. Analyseergebnisse sollten anhand von Referenzwerten objektiv klassifiziert werden.
Ein weiterer Vorteil des zentralen Auswertungssystems war die Vergleichbarkeit über Labore und Mitarbeitende hinweg. Ergebnisse konnten zusammen mit Originalbildern und Videos langfristig eingesehen werden. So blieb die Entstehung des Resultats nachvollziehbar.
Nicht zuletzt sollte die Geschwindigkeit repetitive Arbeit reduzieren. Fachpersonal gewinnt dadurch Zeit für Aufgaben, bei denen Erfahrung, Kommunikation und fachliche Einordnung unverzichtbar sind.